|
首页
|
电子技术
|
电子应用
|
电子头条
|
社区
|
论坛
测评
博客
电子技术视频
|
下载
|
电路图
|
参考设计
|
Datasheet
|
活动
|
直播
|
datasheet
datasheet
文章
搜索
中文
En
|
首页
|
电子技术
|
电子产品应用
|
电子头条
|
论坛
|
大学堂
|
下载
|
参考设计
|
Datasheet
|
活动
|
技术直播
|
datasheet
datasheet
文章
搜索
大学堂
上传课程
首页
课程
TI培训
直播频道
专题
相关活动
其他资源
下载中心
电路图
参考设计
您的位置:
EEWORLD大学堂
/
机器学习/算法
/
Hinton机器学习与神经网络
/
MacKays quick and dirty method of fixing weight costs
本课程为精品课,您可以登录eeworld继续观看:
MacKays quick and dirty method of fixing weight costs
登录
播放列表
课程目录
课程笔记
课时1:Why do we need machine learning
课时2:What are neural networks
课时3:Some simple models of neurons
课时4: A simple example of learning
课时5:Three types of learning
课时6:An overview of the main types of network architecture
课时7:Perceptrons
课时8:A geometrical view of perceptrons
课时9:Why the learning works
课时10:What perceptrons can not do
课时11:Learning the weights of a linear neuron
课时12:The error surface for a linear neuron
课时13:Learning the weights of a logistic output neuron
课时14:The backpropagation algorithm
课时15:How to use the derivatives computed by the backpropagation algorithm
课时16:Learning to predict the next word
课时17:A brief diversion into cognitive science
课时18:Another diversion_The softmax output function
课时19:Neuro-probabilistic language models
课时20:ways to deal with large number of possible outputs
课时21:Why object recognition is difficult
课时22:Ways to achieve viewpoint invariance
课时23:Convolutional neural networks for hand-written digit recognition
课时24:Convolutional neural networks for object recognition
课时25:Overview of mini-batch gradient descent
课时26:A bag of tricks for mini-batch descent
课时27:The momentum method
课时28:A separate, adaptive learning rate for each connection
课时29:rmsprop_divide the gradient
课时30:Modeling sequences_brief overview
课时31:Training RNNs with backpropagation
课时32:A toy example of training an RNN
课时33:Why it is difficul to train an RNN
课时34:Long term short term memory
课时35:Modeling character strings with multiplicative connections
课时36:Learning to predict the next character using HF
课时37:Echo state networks
课时38:Overview of ways to improve generalization
课时39:Limiting size of the weights
课时40:Using noise as a regularizer
课时41:Introduction to the bayesian approach
课时42:The bayesian interpretation of weight decay
课时43:MacKays quick and dirty method of fixing weight costs
课时44:Why it helps to combine models
课时45:Mixtures of experts
课时46:The idea of full bayesian learning
课时47:Making full bayesian learning practical
课时48:Dropout an efficient way to combine neural nets
课时49:Hopfield Nets
课时50:Dealing with spurious minima in hopfield nets
课时51:Hopfields Nets with hidden units
课时52:Using stochastic units to improve search
课时53:How a boltzmann machine models data
课时54:The boltzmann machine learning algorithm
课时55:More efficient ways to get the statistics
课时56:Restricted boltzmann machines
课时57:An example of contrastive divergence learning
课时58:RBMs for collaborative filtering
课时59:The ups and downs of backpropagation
课时60:Belief nets
课时61:The wake-sleep algorithm
课时62:Learning layers of features by stacking RBMs
课时63:Discriminative fine-tuning for DBNs
课时64:What happens during discriminative fine-tuning
课时65:Modeling real-valued data with an RBM
课时66:RBMs are infinite sigmoid belief nets
课时67:From principal components analysis to autoencoders
课时68:Deep Autoencoders
课时69:Deep autoencoders for document retrieval and visualization
课时70:Semantic hashing
课时71:Learning binary codes for image retrieval
课时72:Shallow autoencoders for pre-training
课时73:Learning a joint model of images and captions
课时74:Hierarchical coordinate frames
课时75:Bayesian optimization of neural network hyperparameters
时长:3分31秒
日期:2019/04/09
收藏视频
上传者:木犯001号
去评论
课程介绍
相关标签:
神经网络
机器学习
反向传播
机器学习祖师爷之一Geoffrey Hinton大神于2012年主讲录制。课程内容以深刻睿智,鞭辟入里见长。课程深入介绍了Machine Learning中的神经网络的方法,人工神经网络在语音识别和物体识别、图像分割、建模语言和人类运动等过程中的应用,及其在机器学习中发挥的作用。
显示全部 ↓
推荐视频
用户评论
木犯001号
课程ppt下载地址 https://download.eeworld.com.cn/detail/%E6%9C%A8%E7%8A%AF001%E5%8F%B7/598715
2019年04月04日 13:59:16
回复
|
顶
()
猜您喜欢
推荐帖子
AVR中IO输出频率的问题
在ICC AVR中如何编写一个管脚是对另一个管脚取反,但取反后输出的端口的频率要比实际端口输出的频率低十几倍请问如何才能使他们同步?
fjfzpeggy
嵌入式系统
这个TFT屏是什么型号
这个TFT屏是什么型号
haogong
微控制器 MCU
快来逛东芝在线展会吧,我已经中了50元充值卡了
超极好活动[url]https://www.eeworld.com.cn/huodong/Toshiba20151210/[/url]
littleshrimp
聊聊、笑笑、闹闹
eboot 中的flash.c中的CFI_Write_Block在哪里定义的?
如题
张醒
嵌入式系统
上个月的大奖怎么没公示呢?
上个月的大奖怎么没有弄好呢?期待啊。。。。。。。。。。。。。。。。
mini2440
聊聊、笑笑、闹闹
Qorvo专家:智能家居领域将迎来大增长
家庭自动化正在蓬勃发展。人们对新无线应用(包括安全系统、智能娱乐系统等)的需求与日俱增。近日,Qorvo营销、无线连接业务部总监Tony Testa与我们探讨了家庭自动化及其对日常生活的影响。随着越来越多的人采用智能家居技术,预计家庭自动化市场将出现爆炸式增长。Statista 预计,到 2022 年,家庭自动化市场的规模将超过 535 亿美元。对于主要由消费者驱动的市场来说,这是一个天文数字。这
alan000345
RF/无线
推荐内容
热门视频
更多
MC56F8006 DSC简介
PSoC创意项目展示:基于PSoC3的智能电风扇
车载树莓派+TV/DVD/GPS/倒车摄像机
直播回放:TI 专为楼宇自动化传感器应用而生的低功耗无线技术
嵌入式Linux内核裁减与移植
生物体五官(嘴巴)精细刻画15分钟搞定——卡丁制作
TPS61178 20V、10A全集成升压变换器
树莓派 Raspberry Pi 3 Model B 开箱实测 装机 + SSH VNC 远程登录
直播回放: TE Connectivity的智能建筑解决方案 - 传感和连接,智能楼宇设计的关键
RT-thread在线培训
开源项目推荐
更多
使用 Analog Devices 的 LTC1261CS 的参考设计
超迷你Arduino
油液污染度颗粒检测板(二)-传感器信号板
ADR3450 5V 输出微功率、高精度电压基准的典型应用
AI红外语音助手
使用 ROHM Semiconductor 的 BA15BC0WT-V5 的参考设计
L7809A 大电流稳压器的典型应用
具有 6V 输入 UVLO 的 LTC3633IUFD 3.3V/1.8V 顺序稳压器的典型应用电路
Cree XLamp 高 CRI (XM-L2 20-W) MR16 参考设计
【物联网】鸿蒙物联网智能WIFI开关+4219105A
热门文章
更多
雷达液位计在大型化工储罐中的应用
ZDS2022示波器支持最大的输入电压是多少?
广和通与其全资子公司又获6项专利证书
示波器探头需要补偿校准的根本原因
AMD完成收购赛灵思案例简析
基于STC8A8K MCU的简单示波器设计
GPT-15000系列电气安全分析仪的应用型号及特点分析
电路图
汽车电子节油电路(一)
高压同步电动机综合保护电路a
自动往返控制电路
STKxx系列应用电路c
新颖的晶闸管温控电路
STK0105功率放大器电路图
单稳态电路的工作原理
MC34063反极变换器电路02
DC-DC5V开关型变换器电路
TC1948P(录像机)红外遥控发射电路
扩流型稳压器2电路图
试验型开关电源电路
Z37型摇臂钻床电气原理图电路
一台电动机停止运行另一台才能停止的控制线路
汽车前灯延时电路
MC34063集成开关稳压器
ZGL-1型直流感应电疗机电路
千叶牌FH-1000Z冷暖风机电路图
不同输出电流的恒流源电路图
DBY-120型压力变送器接线
简易场效应管电压表
自制无绳电话电路图
采用TCA965的门限信号发生器
硅双向开关(SBS)
STK441功放电路
555汽车空调控制器点路
超低噪声精密运算放大电路
光电三极管及其输出特性
一个看门狗电路
875p电脑主板电路图_040
可能感兴趣器件
LFXP2-30E-6FN672I
1061071-1
801-010-01ZNU9-4PB
ITCSN-2000-12"-Black
1825J5000224JXR
CRCW120631R6FKEBC
3004676
R800CH14CY3
NAND01GR3A1BN1E
1N4581AD2B-JQRS.SEM
SC060S020A5RPBF
SERU2LGNRDAUOA
F25741W
GSX-531/310DF50.0MHZ
FT6164-25PC
200.2105KCFA
HDSM3-152L4L1-0.5
YTW-05-02-L-5-400-215
UP2C-471
RM382-122-463-6000-076
SL2-056-SH147/05-55
SFC37S30H291G-F
PCF1210-12-931KBI
M55342M12W820HS-W
PIC12C508AT-04/SM
CSC10B03114GPA
P1206K2002GGPE
APH-1-09-RASM-SD-GD10-TR
GA532F32056GLR
F751C157MDM
电子工程世界版权所有
京B2-20211791
京ICP备10001474号-1
电信业务审批[2006]字第258号函
京公网安备 11010802033920号
Copyright © 2005-2023 EEWORLD.com.cn, Inc. All rights reserved
用户评论